delphi原代码 遗传算法解决最短路径问题!谢谢谢谢!
解决方案 »
- webbrowser获取内容出现“Out of memory”?高手请进!!!!!!!!!!!!!!!!!!
- 各位大虾,小妹在此有礼啦,帮帮吧,急啊。想在按钮按下后,弹出一个.gif格式的动画图片,怎么处理啊?
- 我想写一个读取Dbisam数据库表内数据返回的dll供外面调用怎么写呀!
- QuickReport控件的打印,在什么事件中绑定结果集和QRDBText控件?
- 简单的DELPHI问题,急盼答复!
- 概念问题:指针和引用有什么区别?
- 送分送分,小弟从来没有设计过报表,这次逃不掉了。。。
- 能动态创建一百个edit吗?
- 一个关于DCU文件的问题
- ClientDataSet中要降序如何做?不用order by,急急急
- 如何将删除掉的控件再次添加到控件面板上?
- 请教:如何设置多窗口打开流程
我们习惯上把Holland1975年提出的GA称为传统的GA。它的主要步骤如下:编码:GA在进行搜索之前先将解空间的解数据表示成遗传空间的基因型串结构数据,这些串结构数据的不同组合便构成了不同的点。初始群体的生成:随机产生N个初始串结构数据,每个串结构数据称为一个个体, N个个体构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。适应性值评估检测:适应性函数表明个体或解的优劣性。不同的问题,适应性函数的定义方式也不同。选择:选择的目的是为了从当前群体中选出优良的个体,使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想,进行选择的原则是适应性强的个体为下一代贡献一个或多个后代的概率大。选择实现了达尔文的适者生存原则。交换:交换操作是遗传算法中最主要的遗传操作。通过交换操作可以得到新一代个体,新个体组合了其父辈个体的特性。交换体现了信息交换的思想。变异:变异首先在群体中随机选择一个个体,对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样,GA中变异发生的概率很低,通常取值在0.001~0.01之间。变异为新个体的产生提供了机会。GA的计算过程为:选择编码方式产生初始群体计算初始群体的适应性值如果不满足条件 {
选择
交换
变异
计算新一代群体的适应性值
}